harness ส่วนที่ไม่มีใครพูดถึง

คุณเปิด ChatGPT ถามว่า "ทองวันนี้ราคาเท่าไหร่" มันขึ้นคำว่า "กำลังค้นหา" แล้วตอบราคามาให้ คุณแนบไฟล์ PDF เข้าไป มันอ่านแล้วสรุปให้ได้ คุณเคยบอกมันว่าคุณทำงานสายการตลาด ผ่านไปหลายวันมันก็ยังจำได้ ทั้งหมดนี้ดูเป็นเรื่องธรรมดาที่ AI ควรทำได้อยู่แล้ว

แต่ถ้าคุณอ่าน บทเรื่อง model มาก่อน ตรงนี้ควรเริ่มขัดใจนิดหนึ่ง เพราะตัว model ที่อยู่ข้างในทำได้อย่างเดียวจริง ๆ คือดูข้อความตรงหน้าแล้วเดาคำถัดไป มันไม่มีมือไว้กดปุ่ม ไม่มีสายต่อเข้าอินเทอร์เน็ต และไม่มีความจำเก็บไว้ข้ามรอบ

แล้วเครื่องที่ทำได้แค่พ่นตัวอักษร มันค้นเว็บ อ่านไฟล์ จำคุณได้ยังไง คำตอบคือสิ่งที่บทนี้จะเปิดให้ดู และเป็นส่วนที่แทบไม่มีใครพูดถึง ทั้งที่มันคือส่วนที่ตัดสินว่า AI ที่คุณใช้ "เก่ง" หรือ "ห่วย" ยิ่งกว่าตัว model เสียอีก ถ้าจะมีประโยคเดียวที่อยากให้คุณจำจากทั้งเล่ม คือประโยคนี้ model ไม่ใช่ตัวสินค้า สิ่งที่ห่อรอบมันต่างหากคือตัวสินค้า

harness คืออะไร เข้าใจเรื่องนี้ แล้วจะใช้ AI เก่งขึ้น

harness คือชั้นโปรแกรมทั้งหมดที่ห่อรอบ model มันคอยป้อนของเข้าให้ model อ่าน คอยรับสิ่งที่ model พ่นออกมา คอยเอามือไปทำตามที่ model ขอ แล้วป้อนผลกลับเข้าไปใหม่ หน้าที่ของมันคือเปลี่ยนเครื่องเดาคำดิบ ๆ ให้กลายเป็นงานที่ทำประโยชน์ได้

พูดให้ตรงที่สุด harness คือ "โค้ดทุกบรรทัดที่อยู่รอบ ๆ model" ตัว model เป็นแค่ชิ้นส่วนหนึ่งที่ฝังอยู่ข้างใน ส่วนที่เหลือทั้งหมด ปุ่มที่คุณกด หน้าจอที่คุณเห็น เครื่องมือที่มันเรียกใช้ ความจำที่มันดูเหมือนจะมี ล้วนเป็น harness ทั้งสิ้น

ของที่อยู่ใน harness มีหลายอย่าง แต่อย่างที่สำคัญจริง ๆ มีไม่กี่อย่าง

• system prompt คือชุดคำสั่งตั้งต้นที่บริษัทผู้สร้างเขียนไว้ ถูกแปะนำหน้าทุกครั้งก่อนข้อความของคุณจะถึง model บอกมันว่าให้วางตัวยังไง วันนี้วันที่เท่าไหร่ ตอบภาษาอะไร ทำอะไรได้ทำอะไรไม่ได้ คุณไม่เคยเห็นมันบนหน้าจอ แต่มันถูกส่งให้ model ทุกรอบ
• tools คือ "เครื่องมือ" ที่ model เรียกใช้ได้ เช่น ค้นเว็บ อ่านไฟล์ รันคำสั่ง รายการเครื่องมือพวกนี้ harness แนบไปพร้อม context ตอนเรียก model ทุกครั้ง เดี๋ยวเราจะเจาะลงไปดูว่ามันทำงานยังไง
• memory คือความจำข้ามแชท แอปจดสิ่งที่คุณบอกไว้ในฐานข้อมูลของมัน แล้วแอบเอามาแปะให้ model อ่านใหม่ทุกครั้ง ตัว model ไม่ได้จำ แอปต่างหากที่จำแทน
• ชั้น safety คือกฎที่กันไม่ให้ model ทำหรือพูดสิ่งที่ไม่ควร
• the loop คือวงจรที่คอยเรียก model ซ้ำ ๆ และเป็นกาวที่ยึดทุกอย่างข้างบนเข้าด้วยกัน นี่คือหัวใจที่เราจะเจาะลึกในส่วนถัดไป

หัวใจของ harness วงจรที่หมุนทุกครั้งที่คุณกดส่ง

ส่วนที่ทำให้ AI ยุคนี้ต่างจาก AI ยุคก่อนคนละโลก คือ the loop หรือวงจรที่ harness หมุนทุกครั้งที่คุณกดส่ง

หลายคนคิดว่าพอกด Enter แล้ว ข้อความของคุณวิ่งไปหา model แล้วคำตอบวิ่งกลับมา จบในจังหวะเดียว ความจริงไม่ใช่อย่างนั้น harness ทำงานเป็นขั้น ๆ และวนซ้ำได้หลายรอบกว่าคำตอบจะออกมาถึงคุณ ขั้นตอนหลักมีสี่ขั้นตอน

ขั้นตอนที่ 1 ประกอบ context harness รวบของทุกอย่างที่ model ต้องเห็น เอามามัดเป็นข้อความก้อนเดียว ทั้ง system prompt ที่ซ่อนอยู่ ทั้งรายการ tools ที่ใช้ได้ ทั้งความจำ ทั้งบทสนทนาที่ผ่านมา บวกข้อความใหม่ที่คุณเพิ่งพิมพ์ (ก้อนนี้หน้าตาเป็นยังไง และทำไมมันพอกขึ้นเรื่อย ๆ ดูได้ใน บทเรื่องสิ่งที่เกิดขึ้นตอนกด Enter) ซึ่งกฏการประกอบ context จะกำหนดโดยบริษัทนั้นๆ ที่คุณใช้บริการ

จังหวะที่ 2 เรียก model harness ส่งก้อนข้อความนั้นให้ model อ่าน model อ่านทั้งก้อนแล้วพ่นข้อความออกมาหนึ่งชุด

จังหวะที่ 3 แกะผลลัพธ์ harness อ่านสิ่งที่ model พ่นออกมา แล้วดูว่ามันเป็นอะไร ถ้าเป็นคำตอบธรรมดา ก็เอาไปแสดงบนจอให้คุณเห็น แต่ถ้า model พ่น "ใบสั่ง" ขอใช้เครื่องมือออกมา harness จะไม่แสดงให้คุณเห็น แต่ไปทำตามใบสั่งนั้นแทน

จังหวะที่ 4 รัน tool แล้ววนกลับ ถ้า model ขอใช้เครื่องมือ harness ลงมือทำจริง เช่นวิ่งไปค้นเว็บ ได้ผลกลับมา แล้วเอาผลนั้นแปะต่อท้ายก้อนข้อความ ส่งให้ model อ่านอีกรอบ แล้ววนกลับไปจังหวะที่ 2 ใหม่ วนแบบนี้ไปเรื่อย ๆ จนกว่า model จะไม่ขอเครื่องมืออะไรอีก พ่นคำตอบสุดท้ายออกมา harness ถึงเอาไปแสดงให้คุณเห็น

ในวงการ AI เรียกวงจรนี้ว่า agentic loop คำว่า agentic แปลคร่าว ๆ ว่า "ลงมือทำเองได้" สิ่งที่ทำให้มันลงมือทำเองได้ ไม่ใช่เพราะ model ฉลาดขึ้น แต่เพราะวงจรนี้ปล่อยให้ model ขอเครื่องมือ ได้ผลกลับมา แล้วตัดสินใจขั้นต่อไปด้วยตัวเองซ้ำ ๆ จนงานเสร็จ มองง่าย ๆ วงจรนี้สลับสามจังหวะวนไปมา หาข้อมูล ลงมือทำ แล้วตรวจผล วนแบบนี้จนงานจบ

นี่คือเหตุผลที่บางครั้งคุณถามคำถามเดียว แต่ใต้คำตอบเห็นมันค้นเว็บหลายครั้ง อ่านหลายหน้า หรือคิดอยู่นาน นั่นไม่ใช่ model ตอบรอบเดียวยาว ๆ แต่เป็น harness หมุนวงจรนี้ไปหลายรอบ มันเรียก model ซ้ำหลายครั้ง แต่ละครั้ง model เห็นข้อมูลเพิ่มขึ้นจากรอบก่อน คุณเห็นแค่คำตอบก้อนเดียวเรียบ ๆ แต่เบื้องหลังคือวงจรหมุนหลายตลบ

💡 ใจความสำคัญ: ทุกครั้งที่คุณกดส่ง harness ไม่ได้เรียก model แค่ครั้งเดียวเสมอไป มันหมุนวงจร ประกอบของให้ model อ่าน เรียก model ดูว่ามันขออะไร ทำให้ แล้ววนใหม่ ความสามารถที่ดูเหมือน AI ทำงานเองได้ทั้งหมด มาจากวงจรนี้ที่หมุนอยู่เบื้องหลังทุกครั้งที่คุณกดส่ง

tools - model ไม่เคยลงมือเอง มันแค่เขียนใบสั่ง

มาถึงส่วนที่คนเข้าใจผิดกันมากที่สุด เวลา ChatGPT "ค้นเว็บ" ตัว model ไม่ได้ค้น เวลามัน "รันโค้ด" ตัว model ไม่ได้รัน สิ่งที่ model ทำมีอย่างเดียวเหมือนเดิมเป๊ะ คือพ่นข้อความออกมา เพียงแต่บางครั้งข้อความที่มันพ่น ไม่ใช่คำตอบสำหรับคุณ แต่เป็นใบสั่งสำหรับ harness

หัวใจของเรื่องนี้คือประโยคเดียว model เป็นคนบอกว่าอยากได้อะไร harness เป็นคนมีมือไปทำให้จริง

ลองดูว่าการ "ใช้เครื่องมือ" จริง ๆ เกิดอะไรขึ้นทีละจังหวะ สมมติคุณถามราคาทองวันนี้

ขั้นแรก harness บอก model ไว้ตั้งแต่ต้น แนบไปพร้อม context ตอนเรียก ว่า "เธอมีเครื่องมือพวกนี้ให้ใช้นะ ค้นเว็บ อ่านไฟล์ รันคำสั่ง ถ้าจะใช้ ให้เขียนออกมาแบบนี้" model เลยรู้ว่ามีตัวเลือกพวกนี้ ไม่ใช่เพราะมันมีพลังลึกลับ แต่เพราะมีคนเขียนบอกมันไว้เป็นข้อความ

ขั้นต่อมา พอเจอคำถามที่ตอบเองไม่ได้ มันไม่รู้ราคาทองวันนี้เพราะความรู้มันหยุดอยู่ที่วันฝึกเสร็จ model เดาว่าข้อความที่ควรตามมาตอนนี้ ไม่ใช่ตัวเลขราคาทอง แต่เป็นใบสั่งขอใช้เครื่องมือ ทำนองว่า "ขอค้นเว็บ คำค้น ราคาทองคำวันนี้" พ่นใบสั่งเสร็จมันก็หยุด

จากนั้น harness เห็นใบสั่ง ก็เอาคำค้นนั้นไปยิงเข้า search engine จริง ได้ผลกลับมา แล้วเอาผลที่ได้แปะต่อท้ายก้อนข้อความ ส่งให้ model อ่านใหม่ คราวนี้ model เห็นราคาทองอยู่ตรงหน้าแล้ว มันเลยเดาคำตอบดี ๆ ออกมาให้คุณได้

💡 ใจความสำคัญ: model ไม่เคย "ทำ" อะไรเลย มันแค่ "ขอ" เป็นข้อความ harness คือคนที่มีมือไปทำจริง แล้วเล่าผลกลับมาให้มันอ่านต่อ ทุกความสามารถที่ดูเหมือน AI ลงมือเอง จริง ๆ คือวงจรขอแล้วส่งต่อนี้หมุนอยู่เบื้องหลัง

ลองคิดภาพแม่ครัวที่ยืนติดเตา ออกจากครัวไม่ได้ มืออยู่กับกระทะ แม่ครัวอยากได้กุ้งสด แต่เดินไปตลาดเองไม่ได้ สิ่งที่ทำได้คือเขียนโพย "ขอกุ้งสด 1 โล" แล้ววางไว้ เด็กส่งของหยิบโพยไปอ่าน วิ่งไปตลาดจริง ซื้อกุ้งกลับมาวางที่เขียง แม่ครัวเห็นกุ้งตรงหน้าแล้วถึงปรุงต่อได้ แม่ครัวไม่เคยออกจากครัว เด็กส่งของไม่เคยปรุงอาหาร แต่ละคนทำหน้าที่ตัวเอง อาหารถึงออกมาได้ model คือแม่ครัว harness คือเด็กส่งของ

จุดที่การเปรียบเทียบนี้ใช้ไม่ได้ แม่ครัวตัวจริงรู้ว่าตัวเองต้องการกุ้ง เพราะเข้าใจว่ากำลังทำต้มยำ แต่ model ไม่ได้ "รู้" หรือ "ตั้งใจ" จะค้นเว็บ มันแค่เดาว่าข้อความที่น่าจะตามมาตรงนี้คือใบสั่งขอใช้เครื่องมือ มันเขียนใบสั่งด้วยกลไกเดียวกับที่เดาคำอื่นทุกคำ ไม่มีเจตนา มีแต่การเดาว่าคำไหนน่าจะมาต่อ

tools ที่ model มีจริง ๆ มีอะไรบ้าง

พอเข้าใจว่า tool คือ "ใบสั่งที่ model พ่นออกมา แล้ว harness ไปทำให้" คราวนี้มาดูของจริง ในเครื่องมืออย่าง Claude Code ที่เปิดให้เห็นชื่อ tool ตรง ๆ รายการเครื่องมือพื้นฐานที่ harness ยื่นให้ model มีประมาณนี้ ชื่อพวกนี้คือชื่อจริงที่ Anthropic ใช้

• Read อ่านเนื้อหาในไฟล์ที่คุณมี
• Write สร้างไฟล์ใหม่ หรือเขียนทับไฟล์เดิม
• Edit แก้ข้อความเฉพาะจุดในไฟล์ที่มีอยู่แล้ว
• Bash รันคำสั่งในเครื่อง เช่น สั่งให้รันโปรแกรม รันเทสต์ ใช้ git
• WebSearch ค้นเว็บ ได้รายชื่อผลลัพธ์กับลิงก์กลับมา
• WebFetch เปิดลิงก์หนึ่งหน้าแล้วดึงเนื้อหาในนั้นมาอ่าน

นอกจากนี้ยังมีเครื่องมืออีกชนิดที่น่ารู้ไว้ คือการเรียก sub-agent ลองนึกภาพ model สั่งงานต่อให้ผู้ช่วยอีกตัวหนึ่ง ผู้ช่วยตัวนั้นมีพื้นที่ทำงานแยกของมันเอง ลงมือทำจนเสร็จ แล้วส่งแค่บทสรุปกลับมาให้ ตัวหลักไม่ต้องเห็นรายละเอียดยุ่บยั่บระหว่างทาง เครื่องมือนี้มีบทเฉพาะของมันอยู่ข้างหน้า ตรงนี้รู้ไว้แค่ว่ามันก็เป็นอีกหนึ่ง tool ในรายการ

จุดที่ทำให้แนวคิด harness จับต้องได้ คือพอเห็นชื่อ tool พวกนี้ คุณจะเห็นว่าความสามารถของ AI ไม่ใช่เวทมนตร์ลอย ๆ ทุกอย่างที่ AI "ทำได้" คือมีเครื่องมือชื่อนั้นอยู่ในรายการที่ harness ยื่นให้ และ model เรียกใช้มันด้วยการเขียนใบสั่ง ถ้าไม่มีเครื่องมือชื่อนั้นในรายการ AI ก็ทำสิ่งนั้นไม่ได้ ไม่ว่ามันจะ "ฉลาด" แค่ไหน เครื่องมือพื้นฐานพวกนี้ยังต่อเพิ่มได้อีก ทั้งเครื่องมือจากภายนอกและทักษะเฉพาะทาง ซึ่งเป็นเรื่องของ บทเรื่อง skills และ บทเรื่อง connectors

ลองทำดู จับ harness ตอนมันกำลังทำงาน

เปิด ChatGPT แล้วถามอะไรที่ต้องใช้ข้อมูลของวันนี้ เช่น "อากาศกรุงเทพวันนี้เป็นยังไง" จับตาข้อความเล็ก ๆ ที่โผล่ก่อนคำตอบ มักเขียนว่า "Searching the web" หรือ "กำลังค้นหา" และบางทีมีคำค้นโชว์ให้เห็นด้วย คำค้นที่คุณเห็นนั่นแหละคือ "ใบสั่ง" ที่ model เพิ่งพ่นออกมา ตอนนี้ harness กำลังวิ่งไปทำตามใบสั่งนั้น คุณไม่ได้กำลังดู model รู้สภาพอากาศ คุณกำลังดูวงจรหมุนอยู่

ลองทำดู จับตอนมันเดาพลาด

ถามอะไรที่ต้องใช้ข้อมูลสด แต่ถามแบบกำกวม ๆ เช่นพิมพ์ว่า "หุ้นตัวนี้น่าซื้อไหม" บางครั้งมันจะไม่ค้นเลย ตอบจากความรู้เก่าหน้าตาเฉย นั่นคือคุณเพิ่งเห็นมันเดาผิดว่าตรงนี้ไม่ต้องขอเครื่องมือ ลองพิมพ์ตามว่า "ช่วยค้นราคาวันนี้ให้ด้วย" มันมักจะยอมพ่นใบสั่งให้ทันที เพราะการจะค้นหรือไม่ค้น เป็นแค่การเดาว่าคำไหนควรมาต่อ ไม่ใช่กฎตายตัว

ทำไม product สองตัวบน model เดียวกัน ถึงให้ความรู้สึกคนละโลก

พอเข้าใจว่า harness คือชั้นรอบ model จะเห็นทันทีว่าทำไม AI สองตัวที่ใช้ model เดียวกันเป๊ะ ถึงให้ผลต่างกันได้ราวกับเป็นคนละตัว

เพราะสิ่งที่ต่างกันคือ harness ไม่ใช่ model

ลองนึกภาพผู้ช่วยแชทธรรมดากับเครื่องมือทำงานแบบ Claude Code อาจวิ่งอยู่บน model ตัวเดียวกัน แต่ harness ของสองตัวนี้คนละเรื่อง ตัวแรกอาจมีเครื่องมือจำกัด เน้นตอบเป็นข้อความสวย ๆ ส่วนตัวหลังยื่นเครื่องมือ Read Write Edit Bash ให้ครบ ปล่อยให้วงจรหมุนยาว ๆ จนแก้งานทั้งโปรเจกต์ได้ model เท่ากัน แต่สิ่งที่ทำได้ห่างกันลิบ เพราะ harness ต่างกัน

นี่คือเหตุผลว่าทำไมเวลามีคนโชว์ว่า "AI ทำงานนี้ได้สุดยอด" สิ่งที่เก่งมักไม่ใช่ตัว model แต่เป็น harness ที่ออกแบบมาดี system prompt ที่เขียนเก่ง เครื่องมือที่ต่อไว้ครบ ข้อมูลที่ป้อนถูกที่ถูกเวลา งานเดียวกัน บางคนทำกับ AI แล้วออกมาดี บางคนทำแล้วพัง ทั้งที่ใช้ model ตัวเดียวกัน ความต่างอยู่ที่ harness รอบ ๆ และส่วนของ harness ที่คุณคุมเองได้มากที่สุด คือข้อความที่คุณป้อนเข้าไป ซึ่งเป็นเรื่องของ บทเรื่องวิธีคุยกับ AI

เรื่องนี้พอจะวัดได้ด้วย มีคนเอา model ตัวเดียวกันไปทำโจทย์แก้บั๊กในโค้ดจริงชุดเดิม แต่สลับ harness ที่ห่อรอบไปมา ผลคือคะแนนขยับขึ้นลงได้หลายจุด ทั้งที่ตัว model ไม่ได้เปลี่ยนเลย นั่นบ่งชี้ว่าผลลัพธ์ที่เห็นขึ้นกับ harness ไม่ใช่ตัว model ลำพัง

💡 ใจความสำคัญ: คำถามว่า "model ไหนฉลาดที่สุด" ยังไม่ครบ เพราะผลที่คุณได้ขึ้นกับ harness รอบ ๆ ด้วย model ตัวเดียวกัน พอเอาไปอยู่ใน product คนละตัวที่ harness ไม่เท่ากัน ก็ทำงานได้คนละโลก

กลับไปที่คำถามตอนเปิดบท เครื่องที่ทำได้แค่พ่นตัวอักษร มันค้นเว็บ อ่านไฟล์ จำคุณได้ยังไง คำตอบคือมันไม่ได้ทำสิ่งเหล่านั้นเลย ตัว model ทำอย่างเดียวเหมือนเดิมตั้งแต่ต้น คือเดาคำถัดไป สิ่งที่ทำให้เกิดความสามารถทั้งหมดที่คุณเห็น คือชั้นโปรแกรมที่ห่อรอบมันอยู่ ที่เรียกว่า harness

นี่คือสิ่งที่เปลี่ยนวิธีมอง AI ของคุณไปเลย เวลาเทียบว่า AI ตัวไหนเก่งกว่า อย่าดูแค่ชื่อ model ให้ดูว่า harness รอบมันมีอะไร ต่อเครื่องมืออะไรไว้ ปล่อยให้มันทำงานเองได้แค่ไหน เพราะส่วนใหญ่แล้ว สิ่งที่ตัดสินว่า AI "ทำอะไรได้จริง" คือ harness ไม่ใช่ตัว model ลำพัง

แต่ตรงนี้มีคำถามที่ค้างอยู่ ในเมื่อ harness ต้องประกอบ "ของทุกอย่าง" เป็นก้อนข้อความส่งให้ model อ่านทุกครั้ง แล้วก้อนนั้นหน้าตาเป็นยังไงกันแน่ มีอะไรซ่อนอยู่ในนั้นบ้างที่คุณไม่เคยเห็น และทำไมยิ่งคุยยาวมันยิ่งช้าและแพง ทั้งหมดนี้คือเรื่องของวินาทีที่คุณกด Enter ซึ่งเป็นบทต่อไปที่คุณควรอ่าน

---

อ่านต่อ: เกิดอะไรขึ้นจริง ๆ ตอนคุณกด Enter

แหล่งอ้างอิง

• https://code.claude.com/docs/en/how-claude-code-works
• https://code.claude.com/docs/en/tools-reference
• https://code.claude.com/docs/en/sub-agents
• https://www.swebench.com/